Testování, modelování a odhadování stavů baterií

B232 - Letní 23/24
Toto je tzv. shluknutý kurz. Skládá se z několika samostatných předmětů, které sdílejí výukové materiály, úkoly, testy apod. Níže si můžete zobrazit informace o jednotlivých předmětech tvořících tento shluk.

Testování, modelování a odhadování stavů baterií - BVM13TMO

Hlavní kurz
Kredity 4
Semestry letní
Zakončení zápočet a zkouška
Jazyk výuky čeština
Rozsah výuky 2P+2C+2D
Anotace
Předmět poskytuje úvod do problematiky baterií a managementu jejich systémů. Studenti se naučí, jak baterie testovat, modelovat, parametrizovat bateriové modely či sestavovat algoritmy pro odhadováni jejich stavů (např. stav nabití a životnosti). Kurz kombinuje teoretické znalosti s praktickými zkušenostmi, aby studenti získali dovednosti nezbytné pro řešení reálných problémů v rychle se rozvíjející oblasti bateriových technologií.
Cíle studia
Studenti za vypracovaný protokol z cvičení, či za odevzdaný domácí úkol dostanou body (známky), které pak budou tvořit základ ke zkoušce, kde lze známku dále ovlivnit. Zápočet je za odevzdaný semestrální projekt, který vychází ze cvičení a úkolů. Zkouška je formou rozpravy nad semestrálním projektem.
Osnovy přednášek
1. Úvod do baterií
2. Bateriové management systémy pro baterie
3. Modely baterií formou elektrických obvodů a jejich diskretizace
4. Charakterizace, parametrizace a validace modelů
5. Kalmanův filtr a metoda nejmenších čtverců pro odhadování stavů
6. Nelineární Kalmanovy filtry a odhadování parametrů
7. Odhadování stavu nabití
8. Online identifikace parametrů a další funkcionality
9. Online odhadování životnosti
10. Offline odhadování životnosti a diagnostika
11. Metody založené na datech, strojové učení a umělá inteligence
12. Integrace algoritmů, management battery packů a systému
13. Řídicí systémy a optimalizace v aplikacích
14. Rezerva
Osnovy cvičení
1. Bezpečnost práce v laboratoři, úvod do předmětu
2. Bateriové management systémy
3. MATLAB
4. Testování baterií
5. Implementace matematického modelu
6. Parametrizace a validace modelů
7. Odhadování stavů nabití
8. Odhadování stavů nabití
9. Online odhadování životnosti
10. Online identifikace parametrů a další funkcionality
11. Metody založené na datech, strojové učení a umělá inteligence
12. Integrace algoritmů, management battery packů a systému
13. Offline odhadování životnosti
14. Rezerva
Literatura
https://moodle.fel.cvut.cz/courses/BVM13TMO

• Plett, G.L., Battery Management Systems: Battery Modeling, vol. 1, Artech House, 2015, ISBN: 978-1-63081-023-8.
• Plett, G.L., Battery Management Systems: Equivalent-Circuit Methods, vol. 2, Artech House, 2016, ISBN: 978-1-63081-027-6.
• Simon, D.: Optimal State Estimation: Kalman, H Infinity, and Nonlinear Approaches. Wiley, 2006, ISBN: 978-0-471-70858-2
• Lewis, F. L., L. Xie, D. Popa: Optimal and Robust Estimation: With an Introduction to Stochastic Control Theory, CRC Press, 2005. ISBN 978-1-4200-0829-6
Požadavky
Vhodná je znalost základů teorie obvodů, lineární algebry, statistiky, modelů dynamických systémů a MATLABu.

Testování, modelování a odhadování stavů baterií - BEVM13TMO

Kredity 4
Semestry letní
Zakončení zápočet a zkouška
Jazyk výuky angličtina
Rozsah výuky 2P+2C+2D
Anotace
Předmět poskytuje úvod do problematiky baterií a managementu jejich systémů. Studenti se naučí, jak baterie testovat, modelovat, parametrizovat bateriové modely či sestavovat algoritmy pro odhadováni jejich stavů (např. stav nabití a životnosti). Kurz kombinuje teoretické znalosti s praktickými zkušenostmi, aby studenti získali dovednosti nezbytné pro řešení reálných problémů v rychle se rozvíjející oblasti bateriových technologií.
Cíle studia
Studenti za vypracovaný protokol z cvičení, či za odevzdaný domácí úkol dostanou body (známky), které pak budou tvořit základ ke zkoušce, kde lze známku dále ovlivnit. Zápočet je za odevzdaný semestrální projekt, který vychází ze cvičení a úkolů. Zkouška je formou rozpravy nad semestrálním projektem.
Osnovy přednášek
1) Introduction to Batteries
2) Battery Management Systems for Batteries
3) Electrical Circuit Models and Their Discretization
4) Characterization, Parametrization, and Validation of Battery Models
5) State Estimation using Kalman Filters and Least Square Methods
6) Non-linear Kalman Filters and Parameter Estimation Techniques
7) State-of-Charge Estimation
8) Online Parameter Identification and Other Functionalities
9) Online State-of-Health Estimation
10) Offline State-of-Health Estimation and Diagnostics
11) Data-Driven Methods, Machine Learning, and Artificial Intelligence
12) Integration of Algorithms, Battery Pack Management, and System Management
13) Control Systems and Optimization in Applications
14) Reserve
Osnovy cvičení
1) Introduction and Safety in the Laboratory
2) Battery Management Systems
3) MATLAB
4) Battery Testing
5) Implementation of Mathematical Models
6) Parametrization and Validation of Battery Models
7) State-of-Charge Estimation
8) State-of-Charge Estimation
9) Online State-of-Health Estimation
10) Online Parameter Identification and Other Functionalities
11) Data-Driven Methods, Machine Learning, and Artificial Intelligence
12) Integration of Algorithms, Battery Pack Management, and System Management
13) Offline State-of-Health Estimation and Diagnostics
14) Reserve
Literatura
https://moodle.fel.cvut.cz/courses/BEVM13TMO

• Plett, G.L., Battery Management Systems: Battery Modeling, vol. 1, Artech House, 2015, ISBN: 978-1-63081-023-8.
• Plett, G.L., Battery Management Systems: Equivalent-Circuit Methods, vol. 2, Artech House, 2016, ISBN: 978-1-63081-027-6.
• Simon, D.: Optimal State Estimation: Kalman, H Infinity, and Nonlinear Approaches. Wiley, 2006, ISBN: 978-0-471-70858-2
• Lewis, F. L., L. Xie, D. Popa: Optimal and Robust Estimation: With an Introduction to Stochastic Control Theory, CRC Press, 2005. ISBN 978-1-4200-0829-6
Požadavky
Vhodná je znalost základů teorie obvodů, lineární algebry, statistiky, modelů dynamických systémů a MATLABu.